AXiR Engine®は、感染・罹患リスクと健康阻害要因を可視化（パターンと数値化）し、健康体・未病者の母集団データと実測データの解析・参照・学習を繰り返すことで、より高精度の疾患リスク予測推定を実現します。健康体は「細胞の代謝レベルの活性化」と「健康vs疾患リスクの視点」をベースにしたハイブリッド型AIエンジンです。静的・動的解析により得られるデータに基づき、専門家の最新情報を参考にして高次元（多次元／複数視点・相関）の分析を個別に加えることで、各ユーザーの健康ポジションやライフスタイル・生活習慣・食習慣・睡眠・運動・ストレスなどの条件に最適化した、パーソナルで行動変容可能な「AxHELP（アクシアヘルプ）健康改善増進プログラム」の提案を行います。
個体別健康度の
可視化とレポート
複数の入力化データを
マトリックス化して評価
（相関分析）
メディカルドクターチーム
による複数の選択肢の提示・
精密検査と疾患リスクへの
アドバイス
死亡リスク
悪性新生物（癌・腫瘍）
心疾患・脳血管疾患
感染症リスク解析
トレース測定と
健康度分析
（複数回の測定）
組織やグループ別の
ポジショニング
スポット測定と
健康度分析
個体別健康度の
可視化とレポート
複数の入力化データを
マトリックス化して評価
（相関分析）
メディカルドクターチーム
による複数の選択肢の提示・
精密検査と疾患リスクへの
アドバイス
死亡リスク
悪性新生物（癌・腫瘍）
心疾患・脳血管疾患
感染症リスク解析
トレース測定と
健康度分析
（複数回の測定）
組織やグループ別の
ポジショニング
スポット測定と
健康度分析
AXiR Engine®（アクシア
エンジン）は、病気でない人（健康体・未病者）が特定疾患へとシフトしたり健康体へと改善したりするプロセスをビッグデータ解析（静的解析）して、それぞれの健康位置を特定します。必要に応じて、バイタルデータ・体組成・問診／健康Q&Aを通して免疫レベルや細胞の代謝レベルを予測推定して、希望がれば癌化リスク・感染症重症化リスクをある程度現在の生活習慣から知りたい人達に対して、ある一定条件でのトレースを数週間～数ヶ月（max１～２年程度）行い、健康化へ向けた提案や健康化レシピを実行します。特に、複数回のトレースは、全て予測推定を行ってその結果を検証エンジンで確認し、最適化エンジンを通して、レプリカジェネレータ（RG-Ⅲ™）へのフィードバックを行うことで、予測推定精度が向上する様に入力レプリカを変化させて改良を進めます。このプロセスを通して予測推定精度を飛躍的に高めるとともに、この精度アップのプロセスを、将来的に自己学習プロセスにより自動的にシステム改良して進化させます。
（癌化早期ステージ予測推定では、リスクのある数％希望者に対しては、miRNA,
Exosome, ct-DNA等の細胞の状態を示すデータ解析を行い、そのリスクを予測推定するチャレンジを推進します。ご興味のある方はコンタクトして下さい。）
相関処理モジュール血液データ・バイタルデータ、体組成等は、体内での免疫や各代謝などを示す各パラメータが、健康状態及び疾患リスクのそれぞれのレベルに応じてある程度の相関を示す事が知られています。データ量が増加するにつれて、ビッグデータ解析による静的解析の予測精度は向上する事が期待可能ですが、各健康位置に応じて解析ターゲット（疾患リスク予測推定）の相対的位置や変化に対して、予測推定精度を向上させる追加情報を必要に応じてラベル化して微調整します。特に、新しい感染症や疾患・癌に関係する事実や予測が明確である場合は、これを考慮した形で相関処理を進める様にします。特に、疾患リスクが高い領域での処理となります。癌や感染症等の疾患リスクは、現在の生活習慣が70～90%関係しているという報告があります。老化・認知症も同様な指摘があり、これを見て行く必要があります。
推論エンジン（知識ベース）推論エンジンは、疾患リスクの高い領域で特にその機能が有効となる設計となっています。これは、医学書や論文、細胞代謝・免疫機能（腸内細菌）・血管・自律神経・脳からのホルモン・筋肉・骨・リンパ・心臓その他の臓器に関する健康との関係を示す情報に基づいて疾患リスクのシナリオを提供します。疾患リスク・ヒートマップと疾患リスクの遷移を示すトランジションマップ、生活習慣に関係する健康Q&Aにより、いくつか注意すべき代表的な疾患リスク領域に近づいている場合に、特にそのシナリオを有効利用するものです。特に、AI処理（DL）が不得意とする情報量が少ない場合でもある程度の予測精度や個別レシピ（選択肢）の有効性を向上させる事を可能とします。今後、「AxHELP（アクシアヘルプ）健康改善増進プログラム」への個別レシピ（選択肢）とリンクさせる予定です。
AIエンジン（Deep Learning / DL）AIエンジンは、健康状態や疾患リスクを示すヒートマップの解析を行います。いくつかの代表的な疾患リスクは、解析対象となるデータの項目でそれぞれ異なります。疾患リスク・ヒートマップの各パラメータは、２次元配置された偏差値化と各項目の相関からグラデーション・パターン化されているので、ある程度、この位置により疾患との相関が判断可能となります。特に、疾患傾向が強い領域にある場合は、推論エンジンとAIエンジンの結果は、殆ど一致します。
疾患リスク領域から徐々に離れると健康体に向かう事になりますが、推論エンジンではその差と実際の結果の一致性を要求する事は技術的に難しくなります。AIエンジンでは、この疾患リスク領域から離れる場合にその役割が大きくなります。人間の顔の表情から喜怒哀楽・不安心配恐れを人間が理解出来る様に、健康情報や疾患リスク情報から相関マトリックスによる解析を行う事を可能としています。特に、健康化の為の行動変容では、バイタルデータや体組成・問診（Q＆A）によりQuarterly・Monthly・Weekly・Dailyベースでの変化とリンクさせる事が重要となり、健康改善や疾患リスクの予測推定を進めてこれを支援します。また、もし免疫系や体調に不安がある場合は、miRNA等の生体情報を追加する事で、通常細胞や免疫細胞・癌細胞の相互関係を参考にして、動的解析を行い（短い時間変化のトレース）初期の癌化リスク推定に貢献出来る可能性があります。今後、テスト・トライアルとして徐々に支援者・希望者に対して実施して有効性確認を行います。
検証エンジン検証エンジンは、推論エンジン（知識ベース）とAIエンジン（DL型）の２つの疾患リスク予測推定及び「AxHELP（アクシアヘルプ）健康改善増進プログラム」参加者・ユーザーヘの提案から最適なものを選択する場合に、過去の予測推定及び提案候補でより最適なものが存在するかどうかを確認して記録します。特に、将来的に予測推定とその結果について、GAPが存在する場合のフィードバック的役割を果たしてシステムの信頼性を上げる為のエンジンとして機能させます。この部分は、将来的には完全に自動化を目指すべきですが、現在は専門家や設計者、関係者、当事者の声から調整をして完成度を上げる方式とします。
最適化エンジンビッグデータ解析のデータ拡大の１つのソフトウェアモジュールとしてRG-Ⅲ™(Replica Generator Ⅲ™)を開発したが、検証エンジンを使ったフィードバック情報が、レプリカ生成にも利用した方が予測精度を上げられるとの判断可能な情報があれば、最適化エンジンを通してこれをRG-Ⅲ™に通知します。将来的には、自動化を目指しますが、当面は、専門家や設計者・関係者が介入チェックを行い誤差を可能な限り小さくして精度UPを行う方針です。
最終判定モジュール最終判定モジュールは、疾患リスク・ヒートマップの対象者の健康位置により、特定疾患リスクへのシフト（移行・移動）が高く予想される領域であれば、推論エンジン（知識ベース）を優先的に採用するフィルタリングを行いますが、AIエンジン（DL型）のデータ量が質的にも十分になれば徐々にAI側を優先する方式に変更したいと考えています。これは、AIがブラックスワンの様に、学習データ量が極端に少ない事例・事象にはその適用が難しく、高い精度での疾患リスクの予測推定に対して不安が残るからです。同じ理由から対象疾患リスクの領域を徐々に拡大する場合でも学習データが少ない場合は、同様の判定を行う様にしたいと考えています。しかし、逆に、十分なデータ量が確保出来ている場合、特定のマーカーや判定基準の数値データでの判断をする場合、明確に疾患傾向が見えない領域では、AIを優先して利用すべきだと考えています。
当社独自の技術によるレプリカジェネレータや健康情報・生体情報の２次元相関可視化データとの連携により、少ないデータから必要とされるビッグデータを生成して高い精度で健康位置の特定や疾患リスクの予測推定を可能としています。（特許出願済）
独自の設計により実データの実測値を偏差値化・相関係数によるシフトを行い２次元相関マトリックスでヒートマップ化し、画像処理によってターゲットとの想定される各疾患との相関距離や健康距離を推定することで、未病領域における「位置」と「リスク」を可視化します。経時変化を示す健康情報・生体情報を入力する事で今後の疾患リスク予測推定を実現しこの応用を加速します。
「健康を科学する」というコンセプトは、健康体からいつの間にか病気になるという途中のプロセスをどう科学するか？という問題へのソリューション開発と考えています。従って、ある日、健康診断を受けてor夜寝ている間に急に不調・痛みを覚えて病気では？と不安になる前の傾向を科学したいと考えています。人は、突然、病気になるのではなく、その兆候がずっと前から準備されているという仮説からこれを可視化しようとするチャレンジであり、個別最適化した「AxHELP（アクシアヘルプ）健康改善増進プログラム」はこの可視化技術を効率的に利用します。健康体～未病～疾患へと進む見えない連続的パスを解析し、個別の未病レベルをモデリングすることで迅速なパターン化と可視化をが可能とします。
AXiR Engine®には、推論エンジンとAIエンジンの2つのエンジンが存在し、ハイブリッド型システムを採用しています。健康データ・生体データと健康を維持する私達の生体システムが複雑に作用していて、単純に、データが増えれば何でも分かるという事にはならないからです。それは、生命維持の機能が二重三重に構成されていて、バックアップ機能が直ぐに起動する事も１つの理由です。教師データや教師無しデータにより学習させることで得られた推論と、検証エンジンや最適化エンジンにより疾患リスクの予測推定結果を判定するモジュール構成により、精度の高い結果を得ることが可能となります。
（特許出願済）
私達は、一人一人の日々の生活習慣が、数週間先～数ヶ月先～数年先の健康状態に強い相関があると考えています。一方でAI処理では、特定疾患や健康度の予測推定をする場合に、膨大なデータを投げ込めば、その増加に応じて精度がUPするという立場を採用していません。各データは、個々に相関がある場合が多く、相関のあるデータを集めなければ意味が無いと考えています。一方で、日々増加するデータから複雑な予測推定をする場合に、共通した方式を採用したいと考えています。ある程度の時間が無いと変化しない生体情報や健康上と数時間～数日で変化する情報を同じテクノロジーで解析、予測推定する事で、長い時間での変化（年～月）や短い時間でのリアルタイムに近い変化（数時間～数日、数週間）をヒートマップ（静的）やトランジッションマップ（動的）、ダイナミック・スパイダーチャート（動的）を上手に利用して予測推定する事を可能とします。この技術は、「AxHELP（アクシアヘルプ）健康改善増進プログラム」を進める場合、行動変容に対しても有効な方法だと考えています。
疾患のラベリングや計測値データなどのインプットを追加していくことで、AIエンジンが独自に定義ファイルを更新し、特定疾患以外の疾病や潜在するがん因子の早期発見、感染症への免疫状態の把握や一見ランダムだが個々には違って見える相関マトリックス・データと原因・結果の予測推定等、他分野での展開も期待されます。
